Jove
Visualize
联系我们

相关概念视频

Antibiotic Selection00:57

Antibiotic Selection

53.6K
Overview
53.6K

您也可能阅读

相关文章

通过共同作者、期刊和引用图与本文相关的文章。

排序
Same author

Web-based cardiovascular disease risk prediction using machine learning.

Frontiers in artificial intelligence·2026
Same author

Bacteriocin prediction through cross-validation-based and hypergraph-based feature evaluation approaches.

Frontiers in bioinformatics·2025
Same author

Agent-based modeling for psychological research on social phenomena.

The American psychologist·2025
Same author

Preparation and stability characterization of flavour ingredients in E-liquids for preclinical assessment of electronic nicotine delivering system products: a case study of 38 flavour ingredients in a single mixture.

Journal of analytical toxicology·2025
Same author

Antineoplastics for treating Alzheimer's disease and dementia: Evidence from preclinical and observational studies.

Medicinal research reviews·2024
Same author

Salting-Out-Assisted Liquid-Liquid Extraction Method for the Determination of Nicotine from Oral Traditional and Innovative Tobacco Products Using UPLC-MS/MS.

ACS omega·2023
JoVE
x logofacebook logolinkedin logoyoutube logo
关于 JoVE
概览领导团队博客JoVE 帮助中心
作者
出版流程编辑委员会范围与政策同行评审常见问题投稿
图书馆员
用户评价订阅访问资源图书馆顾问委员会常见问题
研究
JoVE JournalMethods CollectionsJoVE Encyclopedia of Experiments存档
教育
JoVE CoreJoVE BusinessJoVE Science EducationJoVE Lab Manual教师资源中心教师网站
使用条款与条件
隐私政策
政策

相关实验视频

Updated: Jul 5, 2025

A Method to Assess Bacteriocin Effects on the Gut Microbiota of Mice
07:54

A Method to Assess Bacteriocin Effects on the Gut Microbiota of Mice

Published on: July 25, 2017

14.3K

BPAGS:一种通过使用交替决策树,遗传算法和线性支向量分类器的特征评估进行细菌素预测的网络应用程序.

Suraiya Akhter1,2, John H Miller2

  • 1School of Electrical Engineering and Computer Science, Washington State University, Pullman, WA, United States.

Frontiers in bioinformatics
|January 25, 2024
PubMed
概括

这项研究开发了一个机器学习网络应用程序,BPAGS,以准确预测新型细菌素,这是对抗生素耐药性的有希望的策略. 最好的模型达到99.11%的准确性,超过现有方法.

关键词:
抗微生物类的抗微生物.抗微生物耐药性 抗微生物耐药性细菌素预测的预测发现药物的发现.功能选择 功能选择机器学习是机器学习.网络应用程序 网络应用程序

更多相关视频

Selecting Multiple Biomarker Subsets with Similarly Effective Binary Classification Performances
07:35

Selecting Multiple Biomarker Subsets with Similarly Effective Binary Classification Performances

Published on: October 11, 2018

7.5K
Author Spotlight: Impact of Intergenic Interactions on Disease-Identifying Dark Biomarkers
03:37

Author Spotlight: Impact of Intergenic Interactions on Disease-Identifying Dark Biomarkers

Published on: March 1, 2024

727

相关实验视频

Last Updated: Jul 5, 2025

A Method to Assess Bacteriocin Effects on the Gut Microbiota of Mice
07:54

A Method to Assess Bacteriocin Effects on the Gut Microbiota of Mice

Published on: July 25, 2017

14.3K
Selecting Multiple Biomarker Subsets with Similarly Effective Binary Classification Performances
07:35

Selecting Multiple Biomarker Subsets with Similarly Effective Binary Classification Performances

Published on: October 11, 2018

7.5K
Author Spotlight: Impact of Intergenic Interactions on Disease-Identifying Dark Biomarkers
03:37

Author Spotlight: Impact of Intergenic Interactions on Disease-Identifying Dark Biomarkers

Published on: March 1, 2024

727

科学领域:

  • 生物信息学是一种生物信息学.
  • 计算生物学 计算生物学
  • 药物发现 药物发现 药物发现

背景情况:

  • 抗生素耐药性需要新的治疗策略.
  • 细菌素为传统抗生素提供了一个有希望的替代品.
  • 对新型细菌素的准确预测对于药物开发至关重要.

研究的目的:

  • 开发一个精确和高效的计算模型来预测新型细菌菌.
  • 创建一个用户友好的网络应用程序,用于细菌素预测.
  • 将机器学习方法与现有的预测工具进行比较.

主要方法:

  • 从物理化学,结构和序列概况属性中提取特征.
  • 使用交替决策树 (ADTree),遗传算法 (GA) 和线性支向量分类器 (线性SVC) 进行特征选择.
  • 使用随机森林 (RF),支持向量机 (SVM),决策树 (DT),后勤回归 (LR),k-最近邻居 (KNN) 和高斯素朴湾 (GNB) 的模型构建.

主要成果:

  • 使用ADTree降低功能的支持矢量机 (SVM) 模型实现了最高的精度 (99.11%) 和AUC (0.9984).
  • 开发的Web应用程序BPAGS集成了基于ADTree,GA和线性SVC的预测模型.
  • 对比分析显示,开发的模型的性能优于序列对齐和深度学习方法.

结论:

  • 机器学习,特别是具有ADTree选择特征的SVM,为细菌素预测提供了高度准确的方法.
  • BPAGS网络应用程序为识别新型细菌素提供了一个有价值的工具.
  • 这种方法有助于开发新药来对抗抗生素耐药性.